Preferred Nasolabial Angle in Rhinoplasty: A Cross-Sectional Analysis
Notice bibliographique
Résumé
BACKGROUND: The perception of an ideal nose is influenced by a variety of factors, with demographic characteristics playing a significant role in what is considered an ideal nose. The nasolabial angle (NLA) is considered one of the defining features shaping the nose. OBJECTIVES: In this study we set out to capture the perception of the ideal nasolabial angle among Canadian, Saudi, Kuwaiti, and Lebanese populations. METHODS: An online questionnaire-based cross-sectional study was conducted to investigate the ideal nasolabial angle among Canadian, Saudi, Kuwaiti, and Lebanese populations (n = 197). Participants were patients attending outpatient clinics, plastic surgery residents, and medical students. The questionnaire included demographics and the perception of respondents of the ideal NLA for each gender: male (85°, 90°, 95°, 100°, 110°) and females (95°, 100°, 110°, 115°). RESULTS: The majority of respondents were female (81.2%), ages between 20 and 39 (84.3%). The mean and standard deviation of ideal NLA choices in both male and female models were 97.1 ± 6.39 and 109.5 ± 5.32, respectively. The ideal male NLA choices were found to correlate significantly with age (P = .044) and work status (P = .019). In choosing the ideal female NLA, age was a significant factor (P = .012). CONCLUSIONS: Identifying the ideal NLA is essential to establishing aesthetic goals for patient and surgeon alike. It is important to understand the effects of demographics on the choice of the ideal NLA, which ultimately influences the planning and outcome of the rhinoplasty procedure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».